基于无人机低空多光谱遥感监测的烤烟株高研究

边琳，叶飞，王建雄

（1.云南大学滇池学院，云南昆明 650228；2.云南农业大学／云南省高校农业信息技术重点实验室，云南 昆明 650201）

无人机低空光谱遥感系统因具有操作方便、成本低、精度高等优势在农业中的应用越来越广泛［1-10］，现已用于作物长势监测、作物病虫害监测、农作物养分监测等相关领域［11-15］。李明泽等利用无人机低空多光谱数据并结合多种参数，基于核变换的偏最小二乘原理构建了植被冠层叶绿素相对含量的估测模型，模型决定系数达到0.855，平均绝对百分误差为9.6%，预测精度为89.7%［16］。Ballester等利用无人机 ＋Micasense Red Edge多光谱相机采集到整个生长周期棉田的多光谱图像并对其氮素的时空分布进行研究，得出棉花不同生长时期的氮素最佳预测模型对应的植被指数存在差异［17］。张瑜等利用六旋翼无人机搭载的多光谱相机获取到不同水分胁迫下的玉米冠层光谱影像，并基于比值植被指数（simple ratio index，SR）、表层土壤含水率（surface soil moisture，SM）、叶面积指数（leaf area index，LAI）建立了玉米作物系数估算模型，模型修正的决定系数、均方根误差和归一化的均方根误差分别为0.60、0.21和23.35%［18］。李冰等设计了以低空无人直升机搭载的多光谱载荷观测系统，并对冬小麦5个主要的生育时期进行监测，提出一种在时序性影像的植被指数直方图中获取植被指数阈值、提取空间尺度植被覆盖度的方法［19］。Houborg等基于中等分辨率的光谱辐射仪结合STEM-LAI方法获取数据，利用回归树方法生成MODIS模型，对比后得出 Landsat采集得到的叶面积指数数据精度更高，适用面更广［20］。……